腾讯推出Team Memory：AI智能体团队记忆共享系统

今年6月的一项调查发现，57%的企业曾追踪到智能体自信地给出了错误答案，原因在于上下文缺失或不一致。这进一步凸显了上下文对于AI智能体自主行动的信任度有多么重要。

目前大多数解决方案只解决了问题的某个方面：让单个智能体在单一会话中记住更多信息。然而，团队中多个智能体如何同时共享相同上下文的方案一直缺失，而正是这一空白导致了新的问题出现。当一个智能体的上下文在整个团队中共享时，一个错误事实不再需要一个人反复解释，而是会影响到整个团队。

腾讯针对这一空白提出了”智能体记忆”(Agent Memory)解决方案，这是一个开源项目，据称团队花了六个月时间解决更狭窄的问题：智能体在长会话中丢失上下文。该系统包含一个角色层，这是对用户身份和工作方式的稳定、提炼的画像，通过多次对话积累形成，而不是每次都重新构建。在腾讯自己的基准测试中，一旦添加了角色层，智能体在长期使用后仍能正确应用该画像的准确率从48%提升到76%，相对提高了59%。本周，腾讯通过Team Memory的测试版扩展了这一项目，将同样的方法应用于整个团队，而非单个智能体。

团队中的智能体现在可以从共享记忆中心读取信息，而不是保持分离的、孤立的上下文，这通过一个访问控制层来管理，决定谁能读取什么内容。

Team Memory的实际功能

其核心思想是共享中心而非共享提示。不是将一个大型上下文块粘贴到每个智能体的窗口中，Team Memory注册了四种可重用资产，并为每个智能体配备其所需的资产。

聊天记忆。保留偏好、事实、决策和交互历史，通过四层提炼，从原始对话到稳定的长期角色画像，这样智能体不需要重新介绍给已经合作过的用户。
技能。捕获从已完成工作中提取的程序，在共享前进行版本控制和审查，而不是直接放入文件夹。
LLM知识库。将文档和规范转换为结构化的链接页面。
代码图。索引代码库的符号、文件和调用关系，使智能体在做出更改前可以检查可能影响的内容。

腾讯的文档直接区分了这一点：”RAG回答’能找到什么？’Team Memory还回答’谁可以使用它，哪个版本有效，哪个智能体应该接收它。'”

在实践中，这就是腾讯所称的”智能体装备”：执行研究的侦察智能体可以配备市场研究和竞争分析资产，而构建智能体则获得所需的代码图和产品文档，而不是每个智能体都能访问所有内容。

智能体配备哪些资产由四个可见性级别管理：

私有。只有资产所有者可以读取。
团队。团队中的任何人都可以读取。
受限。由用户、角色或智能体级别的访问控制限制。
智能体。配备给团队中的特定智能体。

新资产默认为私有，因此共享必须是刻意行动，而非自动发生。

记忆错误时会发生什么

这种访问模式回答了一个实际问题：谁被允许读取特定的记忆资产。但它没有回答第二个问题：一旦记忆资产被发现是错误，会发生什么。腾讯自己的文档概述了每个资产的所有权、版本控制和状态跟踪，但文档中没有描述已经被团队中其他智能体读取和重用的错误事实的纠正或过期流程，也没有解决两个智能体对同一事物的记忆不一致时的解决方法。

这一差距正是从业者在发布后几小时内指出的问题。

“共享记忆使得写入路径成为有趣的问题。检索获得了最多的关注，但现在一个错误事实一次性写入后会传播到每个队友的智能体，而不仅仅是你的。好奇治理层如何处理纠正和过期，”Blake Murphy在X平台上写道。

人们的担忧不仅在于事后纠正错误事实，还在于最初决定不记录某些内容。”受控的部分是困难的部分。一旦队友的智能体可以互相读取上下文，必须有人决定哪些内容永远不会被记录下来，”Virgil Maro在X平台上写道。

其他人进一步探讨了当两个智能体的记忆相互矛盾而非仅仅是过时时会发生什么。

“代码图和LLM知识库的分离是正确的选择。我希望看到基准测试的部分：在共享模式下，当两个队友的智能体对同一模块写入了矛盾的事实时，谁的记忆获胜？单个智能体的记忆缓慢漂移。共享记忆快速漂移，因为一个过时的写入会传播给从未看到产生该会话的人，”Austin Green在X平台上写道。

反应并非全是批评。”有趣的转变：将记忆变成共享服务使智能体成为真正的团队而非孤立的机器人。治理将是最棘手的部分，特别是当事实冲突时，”Moez Zhioua在X平台上写道。

这些都不是腾讯实现特有的边缘情况。2026年3月一篇关于生产级多智能体记忆架构的论文《受控记忆：多智能体工作流的生产架构》，独立于任何单一供应商发布，将治理碎片化和没有反馈循环的静默质量下降识别为共享多智能体记忆中的结构性风险。论文描述的模式与上述评论者直接指出的问题相匹配：单个智能体记忆系统中的错误事实只导致一个用户需要重复纠正，而在共享的团队级记忆系统中，相同的错误事实会在任何人发现之前传播到所有继承它的智能体。